Будущее в действии: разработчики ИИ учатся с помощью генеративных моделей ИИ
Применение генеративного искусственного интеллекта и больших языковых моделей при подготовке программистов обсудили в Школе компьютерных наук ТюмГУ на очередном круглом столе, проведенном кафедрами информационных систем и программного обеспечения.
Опыт проведения практических занятий, когда студенты программируют нейронные сети в диалоге с GPT-like моделями, представил профессор Игорь Глухих, руководитель магистерской программы «Инженерия Искусственного интеллекта». Результаты эксперимента по использованию генеративных моделей ИИ как помощника инженера-программиста, который проводится уже второй год, показали и свои возможности, и свои трудности.
«Кроме изучения самих архитектур и методов нейронных сетей студенты на таких занятиях осваивают возможности применения больших языковых моделей в профессиональной деятельности. Это может существенно ускорить работу будущих нейроинженеров. Однако, сейчас наша задача не просто скопировать код, предлагаемый GPT-like моделью, но и разобраться в тех методах и командах, которые в нем используются. Есть важный нюанс - языковые модели просто не успевают следить за изменениями в технологиях и потому их рекомендации могут оказаться не актуальными или даже ошибочными. Исследовать такие случаи и находить решения возникающих проблем – задача для настоящих профессионалов, и с ней наши студенты вместе с преподавателями успешно справляются», – сообщил Игорь Глухих.
Как отметила профессор кафедры программного обеспечения Ирина Захарова, в условиях разнообразия моделей, подходов и инструментов с использованием ИИ от студентов требуется понимание полученных результатов, что подразумевает их способность анализировать вопросы и оценивать предложенные моделью решения. Если человек разбирается в данной предметной области, то для своей задачи сможет и сформулировать запрос, и критически оценить сгенерированный ответ. Важно подходить к решению задач с ответственностью и осознанием тех случаев, когда модель может оказать помощь, а когда – нет.
В настоящее время применение технологий искусственного интеллекта значительно преобразует сферу образования, предоставляя новые возможности для подготовки обучающихся. Кафедра программного обеспечения представила свои результаты в области разработки методов оценки заданий по программированию с помощью генеративных нейронных сетей.
«Современные лингвистические модели позволяют провести оценку результатов работы студентов на разных уровнях. Первый и самый простой уровень — это проверка кода на синтаксическом уровне и сбор предложений по его улучшению. Более сложный уровень включает объяснения работы кода, сгенерированные моделью, советы по оптимизации кода. Языковые модели могут проверить, правильно ли реализован алгоритм и предложить его альтернативную реализацию. Наша задача при этом состоит в разработке подходов к промпт-инжинирингу и, возможно, предварительной классификации заданий. Сейчас мы экспериментируем с современными подходами к построению промптов, например, chain-of-thoughts и LLM-агентами», – считает доцент кафедры программного обеспечения Анна Глазкова.
Использование ИИ-агентов и ИИ-ассистентов позволит изменить учебные курсы и методы обучения. Преподаватели могут использовать ИИ-ассистентов для автоматизированной проверки тестовых заданий. В рамках проекта «Автоматизированная проверка заданий в ТюмГУ» (руководители Шевляков А.Н., Воробьева М.С.) по дисциплинам HardCore был подготовлен банк заданий, включающий более 6000 задач, тестов, упражнений.
«Комбинация ИИ и образовательных платформ побуждает студентов к более активному обучению. ИИ-ассистенты могут вдохновлять их на исследование новых тем, задавая вопросы и предлагая дополнительные ресурсы. Таким образом, ИИ не только улучшает качество образования, но и формирует у студентов навыки, необходимые в быстро меняющемся мире», – уверен доцент кафедры программного обеспечения Андрей Ступников.
Источник:
Управление стратегических коммуникаций ТюмГУ
